一维及二维自组织神经网络拟合

One-Dimensional Self-organizing Map（线性拟合）
2-D层中的神经元可以表示输入向量发生的输入空间的不同区域。此外,相邻的神经元可以对类似的输入进行反应,从而了解所呈现的输入空间的拓扑。下面是一维神经元的建模。
例：
angles = 0:0.5pi/99:0.5pi;
X = [sin(angles); cos(angles)];
plot(X(1,:),X(2,:),’+r’)

net = selforgmap(10);%建立一个10神经元的自组织竞争神经网络
net.trainParam.epochs = 10;%迭代次数10次；
net = train(net,X);%训练神经网络；
plotsompos(net)

Two-Dimensional Self-organizing Map
在DEMOSM1中,这个自组织映射将学会表示输入向量发生的输入空间的不同区域。然而,在这个例子中,神经元会在二维网格中排列,而不是一条线。
我们想要对矩形形状向量空间中发生的1000个双元素向量进行分类。
X = rands(2,1000);
plot(X(1,:),X(2,:),’+r’)

net = selforgmap([5 6]);%二维竞争神经网络
net = configure(net,X);

net.trainParam.epochs = 1;
net = train(net,X);
plotsompos(net)